基于ERA5再分析資料對2020年6月江淮區(qū)域水汽源匯的診斷分析

黃丁安 盧楚翰 孔陽 信飛 秦育婧

(1 南京信息工程大學(xué) 氣象災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室/氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心，南京 210044；2 上海市氣候中心，上海 200030)

引 言

江淮地區(qū)是我國產(chǎn)業(yè)發(fā)展的重要地區(qū)，人口密集、資源豐富，但易受洪澇災(zāi)害影響。2020年梅雨期江淮地區(qū)累計降水量打破了1961年以來的歷史紀(jì)錄，梅雨鋒在江淮地區(qū)的來回擺動是造成本次持續(xù)性暴雨的重要原因，6月高空南亞高壓和低空西北太平洋副熱帶高壓“相向而行”，為江淮地區(qū)提供了充沛的水汽供應(yīng)和良好的抬升條件[1]。

強(qiáng)降水過程的發(fā)生離不開充足的水汽供應(yīng)，在分析異常降水過程診斷水汽源匯的收支具有重要的研究意義。水汽匯與降水發(fā)生時段和落區(qū)分布有很好的對應(yīng)關(guān)系。丁一匯等[2]通過研究大氣的水汽收支表明，對流層低層水汽的輻合輸送項是降水過程的主要水汽來源。徐祥德等[3]的研究表明，長江流域旱、澇年水汽輸送總量呈顯著相反的源、匯分布特征。秦育婧等[4]發(fā)現(xiàn)ERA-Interim 再分析資料能夠很好地描述江淮區(qū)域的水汽收支平衡，且水汽匯對降水有較好的指示意義。Algarra，et al[5]首先分析出低空急流的位置，再根據(jù)FLEXPART模式計算出水汽源和水汽匯的位置，并在全球范圍內(nèi)分析低空急流、水汽及降水之間的關(guān)系。

水汽源在研究大范圍降水過程中也具有十分重要的指示意義。目前關(guān)于水汽源的研究方法主要分為基于歐拉的方法和基于拉格朗日的方法，近年來基于拉格朗日的氣流軌跡分析方法為水汽源的診斷分析提供了一個新的技術(shù)路徑。江志紅等[6]利用基于拉格朗日方法的氣流軌跡模式HYSPLIT，結(jié)合氣塊追蹤分析方法，提出利用水汽貢獻(xiàn)率的方法定量分析水汽源地的貢獻(xiàn)，得出在氣候平均態(tài)中，印度洋、孟加拉灣—中國南海、太平洋和歐亞大陸為江淮梅雨的主要水汽源地。姚俊強(qiáng)等[7]利用拉格朗日混合單粒子軌道模型，定量分析了新疆天山山區(qū)特大暴雨的水汽輸送情況，并分析水汽貢獻(xiàn)最大的源地為阿拉伯海以北—里?！蜖柨κ埠貐^(qū)。朱麗等[8]利用拉格朗日粒子擴(kuò)散模式FLEXPART，針對黃河源區(qū)開展大氣粒子群的后向模擬，發(fā)現(xiàn)青藏高原西南側(cè)和青藏高原北側(cè)地區(qū)是黃河源區(qū)降水的主要水汽供應(yīng)地，且在黃河源區(qū)的蒸發(fā)過程也是降水形成的重要水汽來源。

水汽輸送是連接水汽源和水汽匯的紐帶，能夠促進(jìn)水汽的循環(huán)，在降水過程也扮演著重要的角色。王志毅等[9]研究了近50 a來梅雨期水汽輸送的時空特征及其與江淮地區(qū)降水的關(guān)系，發(fā)現(xiàn)梅雨期的水汽輸送有顯著的年際變化，且水汽輸送強(qiáng)弱與降水強(qiáng)度有很好的對應(yīng)關(guān)系。LI，et al[10]利用拉格朗日氣流軌跡模型模擬了中國南方每年第一雨季的水汽輸送過程，結(jié)果表明在中國南方每年第一雨季出現(xiàn)前后，造成中國南方降水的水汽路徑也不同。劉煜等[11]利用拉格朗日后向軌跡模式，識別出黃河源區(qū)的干濕演變過程，分析出到達(dá)該區(qū)域的水汽輸送路徑分為南支、東支及北支路徑。

為了分析水汽收支對2020年6月江淮區(qū)域降水過程的重要性，本文將采用ERA5高分辨率再分析資料及HYSPLIT后向軌跡模式對2020年6月江淮區(qū)域的水汽源和水汽匯進(jìn)行診斷分析，揭示造成此次區(qū)域持續(xù)強(qiáng)降水的水汽分布特征。

1 資料與方法

1.1 資料

(1)2020年6月逐小時ERA5再分析資料[12]，水平分辨率為0.25°×0.25°，主要物理量包括位勢高度場、溫度場、相對濕度、降水量、蒸發(fā)、整層水汽量、單向(向北、向東)水汽通量垂直積分；(2)中國地面國際交換站氣候資料日值數(shù)據(jù)集(v3.0)中的降水資料，時段同(1)，文中稱為觀測降水；(3)2020年5—6月NCEP的GDAS1(Global Data Assimilation System)資料，水平分辨率為1°×1°，垂直方向上分為23層，用于輸入HYSPLIT模式計算氣流的后向軌跡。

1.2 方法

1.2.1 水汽匯診斷方法

本文主要利用水汽平衡方程對江淮區(qū)域的水汽匯進(jìn)行分析，公式如下：

(1)

(2)

其中：?A為江淮區(qū)域的邊界，n為邊界的法向單位量。因此，可以利用江淮區(qū)域的邊界流入量來估算江淮區(qū)域整層的水汽輻合量。參考秦育婧等[4]，將江淮區(qū)域定義為(26°～34°N，105°～120°E)。將利用邊界流入量計算得到的江淮區(qū)域水汽輻合量簡記為Icv，在本文中利用ERA5再分析資料數(shù)據(jù)集中向北、向東水汽通量的整層積分資料計算得到江淮區(qū)域各邊界上的水汽輸送情況。將江淮區(qū)域水汽平衡方程右邊Icv-Iw簡記為IA，這一項表示由局地水汽變化量和水汽輻合量估算的江淮區(qū)域水汽匯。

1.2.2 水汽源診斷方法

本文利用HYSPLIT 后向軌跡模式[13]分析江淮區(qū)域水汽輸送的源地。由于HYSPLIT后向軌跡模式只能分析出氣流的后向軌跡及源地，無法直接顯示軌跡的水汽含量及對研究區(qū)域的水汽貢獻(xiàn)率。因此，江志紅等[6]提出了氣塊追蹤分析法對氣流軌跡進(jìn)行客觀定量研究，這對于分析水汽路徑及水汽貢獻(xiàn)率有較好的適用性。定義水汽通道或源地對研究區(qū)域的水汽貢獻(xiàn)率為：

(3)

其中：Qs表示某一水汽通道的水汽貢獻(xiàn)率；qlast表示氣流到達(dá)最終位置時的比濕；m表示某一水汽通道上的軌跡數(shù)量；n表示所有水汽通道上的總氣流軌跡數(shù)。

2 結(jié)果分析

2.1 江淮區(qū)域降水分布

2020年6月江淮地區(qū)出現(xiàn)持續(xù)性的降水過程，主要雨帶從上旬到中下旬逐漸北抬。圖1為2020年6月上、中、下旬江淮區(qū)域累計降水分布?？梢钥闯?，6月上旬，累計降水大值區(qū)主要集中在江淮區(qū)域的東南部，累計降水量最大的站點(diǎn)為江西吉安(241.0 mm)；6月中旬，累計降水大值區(qū)主要集中在江淮區(qū)域的中部以及東北部，累計降水量最大的站點(diǎn)為江蘇南京(251.6 mm)；6月下旬，江淮區(qū)域站點(diǎn)平均累計降水量最大(108.8 mm)，累計降水大值區(qū)主要集中在江淮區(qū)域的中部，累計降水量最大的站點(diǎn)為湖北宜昌(306.3 mm)。

圖1 2020年6月江淮區(qū)域地面國際交換站累計降水分布(單位：mm)：(a)上旬；(b)中旬；(c)下旬Fig.1 Distribution of accumulated precipitation at internationalexchange stations over YRHB in June 2020 (unit: mm) : (a) early June; (b) middle June; (c) late June

2.2 環(huán)流形勢與水汽輸送

圖2給出了2020年6月上、中、下旬平均700 hPa位勢高度場和500 hPa上副高位置、整層水汽通量及散度。6月上旬，西太平洋副熱帶高壓的位置偏南，脊線在20°N以南，由副高外圍引導(dǎo)的水汽主要從南海及孟加拉灣輸送至江淮區(qū)域的東南部，有利于在此形成強(qiáng)降水；6月中旬，副高有明顯北跳，脊線已位于20°N以北，此時副高輸送的水汽主要從南海及孟加拉灣北上到達(dá)江淮區(qū)域后從江淮區(qū)域的東邊界流出；6月下旬，副高略有南退，脊線大約在20°N附近。此時北方冷渦位置相對中旬偏西，導(dǎo)致中緯度西北冷空氣與南方的西南暖濕氣流匯合，有利于江淮區(qū)域中部形成大范圍強(qiáng)降水。此外，6月下旬冷空氣的南壓，也導(dǎo)致了北邊界流出的平均水汽量減少。從水汽通量散度的分布來看，6月上旬水汽輻合中心在江淮區(qū)域東南部；6月中下旬水汽輻合中心主要集中在江淮區(qū)域中部，與降水大值區(qū)分布(圖1)有較好的對應(yīng)。

圖2 2020年6月各旬平均700 hPa位勢高度(等值線：gpdm)、500 hPa上588 gpdm等值線(藍(lán)色)和整層水汽通量(矢量，單位：kg·m-1·s-1)、整層水汽通量散度(陰影，單位：10-5 kg·m-2·s-1)：(a)上旬；(b)中旬；(c)下旬。紅色矩形框內(nèi)為江淮區(qū)域范圍Fig.2 Average geopotential height of 700 hPa (contour line: gpdm)， contour line of 588 gpdm above 500 hPa (blue) and water vapor flux (vector， unit: kg·m-1·s-1)， water vapor flux divergence(shaded， unit:10-5 kg·m-2·s-1) of the whole layer in June 2020:(a) early June; (b) middle June; (c) late June. The red rectangle is the area of YHRB

2.3 江淮區(qū)域水汽匯特征

利用水汽平衡方程對2020年6月江淮地區(qū)各旬的水汽匯進(jìn)行特征分析，從水汽匯IA和IP-E的變化特征來看(圖3)，這兩項的時間演變較為一致，相關(guān)系數(shù)達(dá)到0.84，說明ERA5再分析資料能夠較好地表示江淮區(qū)域水汽收支平衡特征。將6月分為上、中、下旬計算水汽匯，結(jié)果發(fā)現(xiàn)上旬的平均水汽匯值最小，為7.8×1012kg·d-1，中旬的平均水汽匯值達(dá)9.3×1012kg·d-1，下旬的平均水汽匯值最大，為11.0×1012kg·d-1，即6月水汽匯值逐漸增長。對比站點(diǎn)觀測降水資料，發(fā)現(xiàn)水汽匯變化與觀測到的降水變化一致，水汽匯IA和IP-E與觀測降水的相關(guān)系數(shù)分別為0.71和0.83，且水汽匯和觀測降水峰值發(fā)生的時間吻合(圖3)，這說明水汽匯對于降水有較好的指示作用。

圖3 2020年6月江淮區(qū)域水汽匯IA(實(shí)線)、IP-E(虛線)及站點(diǎn)平均降水(點(diǎn)線)變化曲線Fig.3 Time series of regional moisture sink IA(solid line)，IP-E(dashed line)， and regional mean station precipitation (dotted line) over YHRB in June 2020

2.4 江淮區(qū)域水汽匯各項貢獻(xiàn)

圖4為6月江淮區(qū)域水汽平衡方程各項變化曲線?？梢钥闯?，水汽輻合量Icv對江淮區(qū)域水汽匯IA有顯著的貢獻(xiàn)，二者隨時間變化的一致性較高，相關(guān)系數(shù)達(dá)0.82，說明水汽輻合量Icv為江淮區(qū)域水汽匯IA的主要貢獻(xiàn)項。局地水汽變化量Iw相較于前者貢獻(xiàn)較小，但變化趨勢吻合，因此對區(qū)域水汽匯也具有一定的貢獻(xiàn)。

圖4 2020年6月江淮區(qū)域水汽匯IA(實(shí)線)、水汽輻合量Icv(點(diǎn)劃線)及局地水汽變化量Iw(點(diǎn)線)的變化曲線Fig.4 Time series of regional moisture sink IA(solid line)，moisture convergence Icv(dash-dotted line)， andlocal moisture tendency Iw(dotted line) over YHRB in June 2020

由江淮區(qū)域水汽匯IP-E、區(qū)域總降水量P、區(qū)域總蒸發(fā)量E及站點(diǎn)平均降水的時間演變可知，區(qū)域總降水量P與江淮區(qū)域水汽匯IP-E的變化趨勢幾乎一致，相關(guān)系數(shù)高達(dá)0.99，而區(qū)域蒸發(fā)量E量級較小，說明區(qū)域總降水量P對水汽匯的貢獻(xiàn)遠(yuǎn)大于區(qū)域總蒸發(fā)量E(圖5)。區(qū)域總降水量P與觀測降水的相關(guān)系數(shù)為0.84(以上相關(guān)系數(shù)均通過α=0.01的顯著性檢驗(yàn))，且兩者(虛線與點(diǎn)線)的變化趨勢一致性較好，峰值對應(yīng)時間相同，表明ERA5再分析資料中的降水資料與實(shí)際觀測降水具有較好的對應(yīng)關(guān)系。

圖5 2020年6月江淮區(qū)域水汽匯IP-E(實(shí)線)、區(qū)域總降水量P(虛線)、區(qū)域總蒸發(fā)量E(點(diǎn)劃線)及站點(diǎn)平均降水(點(diǎn)線)變化曲線Fig.5 Time series of regional moisture sink IP-E(solid line)， precipitation P(dashed line)， evaporation E(dashed-dotted line)，and regional mean station precipitation (dotted line) over YHRB in June 2020

為了分析2020年6月江淮區(qū)域水汽的來源及水汽收支平衡的各項變化，圖6給出了上、中、下旬江淮區(qū)域平均水汽匯各項值及區(qū)域邊界水汽輸入輸出值?？梢钥闯?，6月上、中、下旬的平均水汽匯值是依次增大的，且不難看出南邊界的水汽入流支是江淮區(qū)域平均水汽匯的最大貢獻(xiàn)項。在6月上旬，副高偏南導(dǎo)致從南邊界進(jìn)入江淮地區(qū)的平均水汽量偏小，僅為25.4×1012kg·d-1，上旬的平均水汽匯值最小(IA為7.8×1012kg·d-1)，對應(yīng)江淮區(qū)域的累計降水量(區(qū)域平均降水量71.7 mm，下同)也最小。6月中旬，副高北抬，其引導(dǎo)的西南氣流使得從南邊界進(jìn)入江淮區(qū)域的平均水汽量增多(41.6×1012kg·d-1)，但東邊界流出的平均水汽量很大(33.0×1012kg·d-1)，導(dǎo)致平均水汽匯值小于下旬。6月下旬，副高向南移動，從南邊界進(jìn)入江淮區(qū)域的平均水汽量為35.0×1012kg·d-1，此外北部冷渦引導(dǎo)西北冷空氣至江淮區(qū)域的北部，抑制暖濕空氣的向北輸送，使得從北邊界流出的平均水汽量僅為1.0×1012kg·d-1，且在下旬平均局地水汽變化量對平均水汽匯的貢獻(xiàn)為正，而在上旬和中旬平均局地水汽變化量對平均水汽匯的貢獻(xiàn)為負(fù)，即水汽對局地降水補(bǔ)充特征更為明顯，導(dǎo)致下旬江淮區(qū)域平均水汽匯的值最大(IA為11.0×1012kg·d-1)，下旬的累計降水量(108.8 mm)也為最大。

圖6 2020年6月上、中、下旬江淮區(qū)域平均水汽匯各項值及區(qū)域邊界水汽輸入輸出值(單位：1012) kg·d-1Fig.6 The average water vapor sinks and the input and outputwater vapor at the boundary of the YHRB in the early， middle and late June 2020(unit: 1012) kg·d-1

2.5 江淮區(qū)域水汽源

為分析形成強(qiáng)降水的主要水汽路徑和來源地，利用HYSPLIT后向軌跡模式追蹤江淮區(qū)域6月各旬中累計降水量最大站點(diǎn)(分別為吉安、南京和宜昌)的水汽來源及路徑，向后追蹤空氣塊的時間長度取為7 d。由于水汽輸送主要集中在對流層低層，本文將追蹤高度定在850 hPa高度上。在對各旬逐日4次的GDAS1資料分別進(jìn)行氣塊的后向軌跡追蹤后，每一旬可以得到40條后向軌跡，并結(jié)合空間總方差(Total Spatial Variance，TSV)綜合考慮對軌跡做聚類分析。

圖7 2020年6月上、中、下旬最大累計降水量站點(diǎn)空氣塊后向軌跡聚類結(jié)果：(a)吉安；(b)南京；(c)宜昌Fig.7 Clustering results of backward trajectory of air blocks at stations with maximum accumulated precipitation in early，middle and late June 2020 :(a) Ji’an; (b) Nanjing; (c) Yichang

結(jié)果顯示，來自南海的南方水汽路徑是影響江淮區(qū)域6月的主要路徑，出現(xiàn)占比在45%以上(圖7)。具體來說，6月上旬吉安強(qiáng)降水的水汽來源主要有3個：分別為南海、孟加拉灣和阿拉伯海，這是由于此時副高偏南且西伸明顯，吉安地區(qū)的水汽主要依靠副高西北側(cè)的氣流從南部海洋上向北輸送；在6月中旬，副高東移北抬，西南氣流仍然能從南海及孟加拉灣引導(dǎo)水汽至江淮區(qū)域，且中緯度地區(qū)有小槽活動，引導(dǎo)水汽南下，因此南京強(qiáng)降水的水汽來源主要為南海、孟加拉灣及中緯度西風(fēng)帶；南海、局地水汽和中緯度西風(fēng)帶是宜昌6月下旬主要的水汽來源，對應(yīng)副高較中旬有一定南退，主要從南海向北輸送水汽至江淮地區(qū)，中緯度冷渦活動加強(qiáng)，位于江淮區(qū)域東北部，引導(dǎo)西北冷空氣南下帶來一定水汽，且冷空氣與北上的暖空氣在江淮區(qū)域匯合導(dǎo)致局地水汽堆積。

需要指出的是，圖7中顯示的百分?jǐn)?shù)為各旬該類水汽通道所含的軌跡數(shù)占總軌跡數(shù)的比例，并不能直觀地顯示出每條通道上水汽的含量。為了對水汽通道上輸送的水汽進(jìn)行定量分析，利用公式(3)定量計算了每一條水汽通道上的水汽貢獻(xiàn)率，結(jié)果如圖8所示。綜合分析，南海區(qū)域?yàn)榻磪^(qū)域輸送的水汽量最大，不僅在各旬最大累計降水量站點(diǎn)追蹤的路徑占比中最高，且攜帶的水汽含量也為最高(約占50%)；孟加拉灣次之，在6月上、中旬中也有較高的水汽貢獻(xiàn)(約占38%)；阿拉伯海源地的水汽貢獻(xiàn)主要集中在6月上旬，但水汽貢獻(xiàn)率僅為10.1%；中緯度西風(fēng)帶水汽路徑在6月中、下旬對江淮區(qū)域輸送水汽起一定作用，貢獻(xiàn)率約占16%，但不是主要的水汽輸送路徑；在分析下旬宜昌站點(diǎn)的水汽來源時，局地區(qū)域的水汽貢獻(xiàn)率也到達(dá)了較大的量級(約占31.2%)，這可能與局地水汽持續(xù)輻合有關(guān)。

圖8 不同區(qū)域?qū)磪^(qū)域站點(diǎn)降水的水汽貢獻(xiàn)率Fig.8 Water vapor contribution rates of different regionsto precipitation in YHRB

3 結(jié)論

本文采用高分辨率ERA5再分析資料和HYSPLIT后向軌跡模式，對2020年6月江淮區(qū)域(26°～34°N，105°～120°E)的持續(xù)性降水進(jìn)行水汽源匯分析診斷。主要結(jié)論如下：

(1)ERA5再分析資料能較好地描述江淮區(qū)域水汽平衡方程所表現(xiàn)的水汽收支特征。由水汽輻合項和局地水汽變化項計算水汽匯時，水汽輻合項是水汽匯的主要貢獻(xiàn)項，對水汽匯有較好的指示作用。由降水和蒸發(fā)計算水汽匯時，降水起主要貢獻(xiàn)作用。此外，對比站點(diǎn)觀測降水資料，發(fā)現(xiàn)水汽匯與站點(diǎn)降水隨時間變化的一致性較高，水汽匯IA和IP-E與觀測降水的相關(guān)系數(shù)分別為0.71和0.83。

(2)根據(jù)不同時期最大累計降水量站點(diǎn)的水汽源分析，發(fā)現(xiàn)南海是江淮區(qū)域6月持續(xù)性降水最主要的水汽源地，約50%的水汽來自于南海。其次，孟加拉灣水汽是6月中、上旬次要源地，而下旬局地水汽輻合作用明顯。

(3)6月西太平洋副熱帶高壓的南北移動對江淮地區(qū)的水汽輸送起重要作用。上旬，副高偏南，輸送的水汽到達(dá)江淮區(qū)域南部；中、下旬，副高偏北，輸送的水汽到達(dá)江淮區(qū)域中北部。此外，在下旬時由于北方冷渦位置相對中旬偏西，導(dǎo)致北方冷空氣南下輸送的水汽與南面的西南暖濕氣流匯合，也有利于江淮區(qū)域中部形成大范圍強(qiáng)降水。因此，副高與北部冷渦形勢的相互配合也會為江淮區(qū)域的降水帶來重要影響。

致謝：感謝歐洲中期天氣預(yù)報中心(ECMWF)、美國國家環(huán)境預(yù)報中心(NCEP)和中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)提供了資料數(shù)據(jù)集。感謝審稿專家和編輯對本文的改進(jìn)提出了寶貴意見。